產品建議預測 (預覽版) 範例指南

[本文章是發行前版本文件，隨時可能變更。]

本指南會從頭到尾向您說明使用範例資料的產品建議預測範例。 我們建議您在新環境中嘗試這項預測。

重要

• 這是預覽功能。
• 預覽功能不供生產時使用，而且可能功能受限。 這些功能是在正式發行前先行推出，讓客戶能夠搶先體驗並提供意見反應。

情況

Contoso 是一家公司，生產高品質的咖啡及咖啡機。 透過 Contoso Coffee 網站銷售產品。 他們的目標是瞭解他們應該建議哪些產品給他們的重複客戶。 知道客戶可能購買的產品，可協助他們將注意力集中放在特定項目上，省下行銷心力。

先決條件

• 至少 Dynamics 365 Customer Insights - Data 中的參與者權限。

任務 1 - 內嵌資料

檢視關於資料擷取和連接至 Power Query 資料來源的文章。 下列資訊假定您大致上已熟悉擷取資料。

從電子商務平台內嵌客戶資料

1. 建立名為電子商務的 Power query 資料來源，並選取文字/CSV 連接器。

2. 輸入電子商務連絡人 URL：https://aka.ms/ciadclasscontacts。

3. 編輯資料時選取轉換，接著使用第一行做為標頭。

4. 更新下列欄位的資料類型：

   • DateOfBirth：日期
   • CreatedOn：日期/時間/時區

   

5. 請在右側窗格的名稱欄位中，將您的資料來源重新命名為 eCommerceContacts。

6. 儲存資料來源。

內嵌線上購買資料

1. 將另一個資料集新增到同一個 電子商務 資料來源。 再選擇一次 文字/CSV 連接器。

2. 輸入線上購買資料的 URL https://aka.ms/ciadclassonline。

3. 編輯資料時選取轉換，接著使用第一行做為標頭。

4. 更新下列欄位的資料類型：

   • PurchasedOn：日期/時間
   • TotalPrice：貨幣

5. 請在側窗格的名稱欄位中，將您的資料來源重新命名為 eCommercePurchases。

6. 儲存資料來源。

從忠實結構描述內嵌客戶資料

1. 建立名為 LoyaltyScheme 的資料來源，並選取文字/CSV 連接器。

2. 輸入忠實客戶的 URL https://aka.ms/ciadclasscustomerloyalty。

3. 編輯資料時選取轉換，接著使用第一行做為標頭。

4. 更新下列欄位的資料類型：

   • DateOfBirth：日期
   • RewardsPoints: 整數
   • CreatedOn：日期/時間

5. 請在右側窗格的名稱欄位中，將您的資料來源重新命名為 loyCustomers。

6. 儲存資料來源。

任務 2 - 資料統整

檢閱關於資料統整的文章。 下列資訊假定您大致上已熟悉資料統整。

內嵌資料之後，請開始進行資料整合程序，建立整合的客戶個人資料。 如需更多資訊，請見 資料統整。

描述要整合的客戶資料

1. 內嵌資料後，將電子商務的聯絡人與忠誠度資料對應到常用資料類型。 請前往資料>整合。

2. 選取代表客戶設定檔的資料表 – eCommerceContacts 和 loyCustomers。

   

3. 選取 ContactId 做為 eCommerceContacts 主鍵，而 LoyaltyID 做為 loyCustomers 主鍵。

4. 選取下一步。 略過重複資料記錄，然後選取下一步。

定義比對規則

1. 選擇 eCommerceContacts : eCommerce 作為主要資料表，並包含所有的記錄。

2. 選擇 loyCustomers : LoyaltyScheme，並包含所有的記錄。

3. 加入規則：

   • 請為 eCommerceContacts 和 loyCustomers 選取 FullName。
   • 選取 類型 (電話、名稱、位址、...)以進行標準化。
   • 設定 精密等級：基本 與 值：高。

4. 對電子郵件地址新增第二個條件：

   • 請為 eCommerceContacts 和 loyCustomers 選取 Email。
   • 保留正規化空白。
   • 設定 精密等級：基本 與 值：高。
   • 輸入FullName, Email 的名稱。

   

5. 選取完成。

6. 選取下一步。

檢視整合資料

1. 將 loyCustomers 資料表的 ContactId 重新命名為 ContactIdLOYALTY，以將它與其他識別碼內嵌區分開來。

2. 選取 下一步以進行審查，然後選取建立客戶個人資料。

工作 3 - 建立交易歷程記錄活動

檢閱有關客戶活動的文章。 下列資訊假定您大致上已熟悉建立活動。

1. 使用 eCommercePurchases:eCommerce 資料表建立活動。

2. 為活動類型選取 SalesOrderLine，並為主索引鍵選取 PurchaseId。

3. 輸入活動的下列資訊：

   • 活動名稱：eCommercePurchases
   • TimeStamp：PurchasedOn
   • EventActivity：TotalPrice
   • 訂單明細識別碼：PurchaseId
   • 訂單日期：PurchasedOn
   • 金額：TotalPrice

4. 建立 eCommercePurchases 和 eCommerceContacts:eCommerce 之間的關係，並使用 ContactID 做為外部索引鍵來連接兩個資料表。

5. 複查您的變更，然後選取建立活動。

工作 4 - 設定產品建議預測

透過適當的統一客戶設定檔和建立的活動，執行產品建議預測。

1. 請移至深入解析>預測。

2. 在建立索引標籤上，選取產品建議 (預覽版) 圖標上的使用模型。

3. 請然後選取開始使用。

4. 模型命名為 OOB 產品建議模型預測並將輸出資料表命名為 OOBProductRecommendationModelPrediction。

5. 選取下一步。

6. 定義模型偏好：

   • 產品數量：5 來定義您想要向客戶建議多少產品。
   • 重複預期的購買：是以在建議中包含先前購買過的產品。
   • 回顧視窗：365 天以定義模型在再次建議產品之前將回顧至多久以前。

   

7. 選取下一步。

8. 在新增購買歷史紀錄步驟中，選取新增資料。

9. 選取 SalesOrderLine 及 eCommercePurchases 資料表，然後選取下一步。 所需資料會從活動自動填入。 選取儲存，然後選取下一步。

10. 略過新增產品資訊和產品篩選條件步驟，因為我們沒有產品資訊資料。

11. 在資料更新步驟中，設定模型排程為每月。

12. 選取下一步。

13. 評論所有詳細資料後，請選取 儲存和執行。

任務 5 - 評論模型結果和解釋

讓模型完成資料的定型與計分。 檢閱產品建議模型說明。

工作 6 - 建立高購買量產品區段

執行模型會建立新的資料表，列在資料>資料表中。 您可以根據模型建立的資料表基礎建立新區段。

1. 在結果頁面上，選取建立客戶細分。

2. 使用 OOBProductRecommendationModelPrediction 資料表建立規則並定義客戶細分：

   • 欄位：ProductID
   • 值：選取前三個產品識別碼

3. 選取儲存並執行客戶細分。

您現在有一個動態更新的客戶細分，會找出可能有興趣購買五大建議產品的客戶。 如需詳細資訊，請參閱建立和管理客戶細分。

提示

您也可以選取新增並選擇建立來源>深入解析，以從深入解析>客戶細分頁面，建立預測模型的客戶細分。 如需詳細資訊，請參閱使用快速客戶細分建立客戶細分。

後續步驟

• 預測產品建議 (預覽版)